脑电信号可以比较客观地反映出大脑的活动,脑电图除了应用于脑科学的一些基础领域的研究外,最重要的应用当属临床诊断以及脑机接口技术。对脑电信号进行处理就是希望从信噪比很低脑电信号中提取出一些微弱的有用的脑电节律信号。为了很好地分离这些控制信号或者思维活动的信号,我们通常采用盲源分离技术,而通常直接采用盲源分离技术在对多通道的脑电信号处理时,效果往往会比较差,或者说误差比较大,本文采用小波包分析理论,以及小波包与独立分量分析理论相结合的方法对脑电信号进行处理,得到不错的分离效果。时域分析以及简单地频域滤波是传统的信号处理方法,在对脑电信号进行分析处理时,时域分析以及简单地频域滤波这两种方法显然不能得到较好的结果。这是由脑电信号一些典型的特征决定的,这些特征包括脑电信号是非线性信号,以及脑电信号具有较强的随机性和非平稳性。小波变换是20世纪80年代发展起来的一种时频分析方法,逐渐成为脑电信号分析的一种工具。小波分析方法并不能从根本上解决信号与噪声在频域上的混叠问题,因此也就对脑电信号处理结果地改善也是有限的。主分量分析与独立分量分析理论都是用来对信号进行多维统计分析,这两种方法对信号地分析处理不受信号频谱混叠的影响。主分量分析方法仅仅对信号数据的二阶统计特性进行分析,因此主分量分析技术处理的对象是高斯源信号,而独立分量分析则对数据进行更高阶统计分析,可以处理非高斯源信号。我们一般认为脑电信号是一种非高斯信号,采用独立分量分析方法对脑电信号进行处理是目前的研究热点。本文先详细介绍了数理统计与信息论的相关基础知识,为详细介绍独立分析理论打下基础,通过构造参考工频干扰信号,结合Fast ICA算法对小鼠晶须桶状皮层局部场电位信号去除工频干扰,再采用小波滤波方法对小鼠晶须桶状皮层局部场电位信号去除高频噪声。得到去除噪声的脑电信号,采用小波包分解算法,以及子频带信号重组的方式从该信号中提取特征节律,并分析提取到四个基本特征节律的时域以及频域特性。接着分别以小波包提取到的特征节律信号作为Fast ICA算法的参考信号,对小鼠晶须桶状皮层局部场电位信号进行进一步提取,也会得到四个基本节律,并分析四个节律信号的时域以及频域特性。通过对两种方式得到的结果进行对比,可以看出基于小波包和独立分量分析相结合的算法更适合脑电信号分析。最后从得到的四个基本节律信号中任意取出三个信号,结合Matlab软件得到一幅三维图形,这为以后的医学诊断与脑机接口技术做出了探索。